menyusun anggaran sederhana dengan solver · di dalam r, operasi matematika dalam kehidupan...

Machine Learning 1

Dasar Bahasa Pemograman R

Profile Penulis

Stevanus Henry Christian

Lahir di Jakarta pada 12 Juni 1992, Stevanus menyelesaikan

Pendidikan S1 nya di Universitas Multimedia Nusantara

dengan jurusan Sistem Informasi.

Ketertarikannya untuk mengeksplorasi sesuatu yang baru,

terutama dalam hal Azure dan Machine Learning /R,

membuat penulis mencoba menuliskan analisanya dalam

bentuk e-book yang dapat mengedukasi orang lain.

Andrew Tirto Kusumo

Lahir di Semarang pada 10 April 1996, Andrew sedang

menjalankan magang di PHI-Integration sebagai salah satu

syarat untuk menyelesaikan pendidikan S1 nya di Universitas

Multimedia Nusantara dengan jurusan Sistem Komputer.

Setelah ditekuni sejak awal 2017, Penulis merasa tertantang

untuk mendalami data analysis karena berkembangnya IoT

dan data analysis adalah salah satu bidang yang sangat

menarik. Selain itu, penulis sudah menekuni bahasa

pemograman R sejak 2016.

Machine Learning 2


Daftar Isi

Profile Penulis .................................................................................................................................... 1

Daftar Isi ............................................................................................................................................ 2

Pendahuluan .................................................................................................................................... 3

Installasi R .......................................................................................................................................... 4

Tampilan R ........................................................................................................................................ 7

Installasi Rstudio ............................................................................................................................... 8

Environment Introduction ............................................................................................................... 9

Tipe Data Umum Dan Operasinya ............................................................................................. 11

Operasi matematika ..................................................................................................................... 12

Pengenalan Data dan Plotting ................................................................................................... 21

Pengenalan Data Kualitatif ......................................................................................................... 22

Pengenalan Data Kuantitatif ...................................................................................................... 27

Operasi Statistik Dasar Menggunakan R dan Pemograman R ............................................. 32

Operasi Statistik .............................................................................................................................. 33

Subset Data dan Membuat Data .............................................................................................. 41

Subset Data .................................................................................................................................... 42

Machine Learning 3


P e m r o g r a m a n R

Pendahuluan

Machine Learning 4


R Background

R adalah bahasa pemrograman untuk perhitungan statistika dan grafik. Ini adalah

projek dari GNU dan dikembangkan di Bell Laboratories oleh John Chambers dan

temannya. R menyediakan banyak sekali jenis statistika dan teknik grafis, dan sangat

mudah untuk menambahkan fungsi lain. R menyediakan jalur Open Source untuk

orang dapat berpartisipasi dalam pengembangannya. Salah satu keunggulan R

adalah untuk menghasilkan plot/grafik yang mempunyai kualitas sangat baik.

R adalah software terintegrasi untuk memanipulasi data, melakukan kalkulasi, dan

menampilkan grafik. Ini meliputi :

Penanganan data yang efektif dan fasilitas storage

Operator untuk menangani perhitungan array / matrix

Kumpulan alat bantu yang banyak untuk analisa data

Bahasa pemrograman yang sangat teruji meliputi conditionals, loops, recursive,

function, input, dan output.

Installasi R

Anda dapat melakukan instalasi program R dengan mengikuti proses dibawah ini.

Buka link https://cran.r-project.org/mirrors.html , unduh melalui 0-Cloud atau di server

Indonesia.

https://cran.r-project.org/mirrors.html

Machine Learning 5


Unduh sesuai sistem operasi Anda.

Unduh melalui subdirectories base.

Unduh program R versi terbaru

Buka folder tempat Anda melakukan pengunduhan

Machine Learning 6


Tentukan folder penyimpanan R Anda, Klik next.

Install default sesuai rekomendasi, klik next.

Machine Learning 7


Pilih No untuk customized startup.

Next saja hingga installasi dimulai.

Sekarang anda dapat membuka R yang sudah diinstall dari icon di desktop.

Tampilan R

\

Tapi kita tidak akan menggunakan R karena ada beberapa penyedia IDE untuk R dan

menyediakan banyak sekali alat bantu. R yang kita install adalah untuk dasar

Environment yang nantinya digunakan di Rstudio.

Machine Learning 8


Installasi Rstudio

Buka link https://www.rstudio.com/products/rstudio/ dan download versi Open Source

yang gratis. RStudio adalah tools yang sangat powerful untuk membantu kita dalam

environment R.

Unduh sesuai sistem operasi anda.

Buka folder tempat anda menyimpan dan jalankan installer RStudio.

Tidak ada settingan yang perlu diubah, next terus sampai installasi selesai.

Setelah selesai, buka RStudio yang sudah diinstall.

Berikut adalah tampilan RStudio.

https://www.rstudio.com/products/rstudio/

Machine Learning 9


Environment Introduction

Berikut adalah penjelasan environment di RStudio :

Script Editor, ini adalah tempat untuk menulis script dan menjalankan script.

Environment Editor, ini adalah tempat melihat variable apa saja yang ada di

environment kita beserta history dari command yang sudah dijalankan.

Console, ini adalah main window kita untuk melihat console yang dijalankan.

Bagian ini digunakan untuk melihat File, Plot, Packages, dan Help.

Navigation Bar di atas adalah bagian untuk melakukan navigasi di Environment R.

Machine Learning 10


Join our 3 days Complete Training “Data Warehouse with Open Source Tools”

with Feris Thia as a Founder of PHI-Integration that focus on data management solution for the past 15 years.

Machine Learning 11



Tipe Data Umum Dan

Operasinya

Tipe Data Umum dan Ope

Machine Learning 12


Operasi matematika

Di dalam R, operasi matematika dalam kehidupan sehari-hari dapat kita selesaikan

dengan mudah. R menyediakan banyak fitur untuk menyelesaikan permasalahan ini.

Angka yang akan kita gunakan dapat disimpan di dalam sebuah variable. Variable ini

akan terus berada di environment kita selama tidak kita hapus / ganti sesinya.

Sekarang kita coba masukkan nilai 5 ke varible A melalui Console.

Dalam R, penamaan variable tidak serumit bahasa pemrograman lainnya. Anda

dapat menggunakan ‘.’ , ‘-‘ , ‘_’ , dan yang lain untuk penamaan antar kata.

Kita dapat menggunakan “ <- “ atau “ = “ untuk menyimpan nilainya.

atau

Keduanya menghasilkan hasil yang sama. Untuk mengecek nilai sebuah variable, kita

dapat mengetikkan nama variable tersebut langsung di Console, atau melihat ke

Environment Variable di atas kanan.

Masukkan nilai 5 ke variable A dan nilai 6 ke variable B.

Machine Learning 13


Sekarang kita coba operasi matematika Tambah (+) , Kurang (-), Kali (*), dan Bagi (/).

Hasil operasi matematika juga dapat langsung disimpan ke dalam suatu variable,

coba masukkan A dikali B ke variable C.

Sekarang nilai C adalah 30.

Di dalam R juga ada beberapa command built in yang dapat langsung dipanggil.

Coba kita cari akar dari 16. Gunakan command sqrt(16).

Ini adalah beberapa contoh basic commands yang ada di R :

exp() untuk eksponensial , log() untuk mencari log, pi merupakan nilai phi(22/7) , abs()

untuk mencari nilai absolute.

Menginstall Paket

R adalah sebuah IDE yang Open Source, sehingga memungkinkan banyak sekali

penambahan yang dapat dilakukan.

Sebuah library bernama ggplot2 digunakan untuk membuat visualisasi plot di R semakin

mudah dan bagus. Kita coba menginstall library ini dengan command

install.packages(“ggplot2”).

Machine Learning 14


Cara lain menginstall paket adalah dengan menggunakan navbar di bagian atas.

Machine Learning 15


Lalu klik ggplot2.

Klik Install.

Setelah paket berhasil diinstall, kita dapat memanggil paket dengan command

library(ggplot2).

Sekarang kita coba fungsi dari ggplot2.

Commandnya adalah ggplot(midwest, aes(x=area, y=poptotal)) + geom_point() .

Machine Learning 16


Sekarang kita bisa melihat hasil ggplot2 di sebelah kanan.

Ini adalah salah satu contoh paket yang dapat diinstall di dalam R.

Jika kita bingung dengan sebuah command dari paket, kita dapat memanggil

bantuan dengan command : help(x). X adalah nama paket/fungsi dalam paket.

Misalkan help(ggplot2).

Akan muncul di sebelah kanan kolom Help.

Machine Learning 17


Tipe Data Numerik

Tipe data yang kita masukkan ke dalam suatu variable umumnya bersifat numerik.

Untuk mengecek tipe dari sebuah data, dapat menggunakan command class(x) .

Tipe Data Integer

Untuk merubah sebuah numerik menjadi integer, kita perlu menggunakan command

as.integer(x).

Integer tidak bisa mempunyai angka pecahan dan harus bulat, sehingga ketika

angkanya tidak bulat, integer akan otomatis merubah nilainya.

Tipe Data Character

Tipe data karakter di R mirip dengan string di bahasa pemrograman lainnya.

Cara merubah sebuah angka menjadi character adalah dengan command

as.character(x).

Machine Learning 18


Berikut adalah beberapa command yang dapat dilakukan kepada character.

Tipe Data Complex

Tipe data complex dapat menyimpan data berupa bilangan kompleks.

Tipe Data Logical

Tipe data logical merupakan tipe data yang hanya dapat menyimpan TRUE atau

FALSE.

Machine Learning 19


Karena X<Y maka nilai yang dihasilkan adalah FALSE.

Tipe Data Vector

Vektor adalah kumpulan tipe data yang sama dalam 1 kelompok.

Bilangan adalah sebuah vector dengan tipe data numerik.

Huruf adalah sebuah vector dengan tipe data character.

Tipe Data Matrix

Matriks adalah kumpulan vector dalam bentuk 2 dimensi.

Nrow menentukan banyaknya baris.

Ncol menentukan banyaknya kolum.

Byrow menentukan urutannya berdasar baris.

Machine Learning 20


Tipe Data List

List adalah sebuah objek yang berisi dari 2 atau lebih vektor.

List bisa terdiri dari vektor yang berbeda tipe data.

Tipe Data Dataframe

Dataframe adalah tipe data yang paling umum di dalam pengolahan data

menggunakan R.

Dataframe memudahkan user untuk membaca data.

Contoh merubah data menjadi dataframe adalah dengan command

as.data.frame(x).

Untuk mengakses elemen dataframe, kita dapat memanggil nama kolomnya dengan

menyertakan $ lalu nama kolomnya.

Machine Learning 21



Pengenalan Data dan

Plotting


Machine Learning 22


Pengenalan Data Kualitatif

Mulai dari bagian ini, kita akan menggunakan dataframe yang sudah disediakan di

dalam modul pelatihan ini untuk memudahkan pembelajaran.

Modul dapat diunduh di : http://tinyurl.com/ebook-r-phi

File yang akan kita gunakan adalah phi_dummy.csv, Bukalah file csv yang sudah anda

download untuk melihat struktur datanya. Ada 4 kolom yang mempunyai judul, lalu di

bawahnya langsung data.

Letakkan file csv ini satu directory dengan working directory R Anda.

Cara mengecek working directory Anda adalah dengan command getwd().

Setelah Anda meletakkan file phi_dummy.csv di working directory Anda, Anda dapat

membaca file csv ini dengan command read.csv() di R. Hasil dari read.csv harus

dimasukkan ke sebuah variable untuk dapat dipanggil di environment R kita.

http://tinyurl.com/ebook-r-phi

Machine Learning 23


Header=TRUE digunakan untuk membaca judul sehingga pada saat kita panggil

datalatihan di console, judulnya akan keluar.

Setelah berhasil membaca data csv ini di R, Anda melihat tipe data dari data yang

sudah di baca pada R pada step sebelumnya dengan menggunakan fungsi class().

Karena tipe datanya adalah data.frame, Anda dapat memanggil masing-masing

kolom dengan $.

Contoh datalatihan$goldarah.

Machine Learning 24


Sekarang kita akan coba fungsi table untuk mengelompokkan data kualitatif.

Dari yang sebelumnya goldarah berisi persebaran golongan darah, setelah diberi

fungsi table hasilnya menjadi dikelompokkan.

Selanjutnya kita akan membuat barplot dari hasil table tersebut dengan fungsi

barplot().

Hasilnya dapat dilihat di kanan (plot).

Machine Learning 25


Hasil dari barplot ini masih sangat sederhana. Kita dapat menambahkan warna dan

label ke plot ini.

Pertama kita harus mendeklarasi warna plot yang ingin kita gunakan. Warna dapat

dilihat di http://www.stat.columbia.edu/~tzheng/files/Rcolor.pdf .

Karena kita nanti ingin menggunakan fungsi text, maka barplot ini kita masukkan ke

sebuah variable.

Berikut penjelasan dari penggunaan fungsi BARPLOT() diatas:

Fungsi col dalam barplot() berfungsi untuk menentukkan warna.

Fungsi xlab dan ylab berfungsi untuk memberikkan label di plot.

Fungsi ylim berfungsi untuk memberikkan batas sumbu Y. C(0,26) berarti dari 0-26.

http://www.stat.columbia.edu/~tzheng/files/Rcolor.pdf

Machine Learning 26


Jika kita ingin menambahkan text, kita dapat menggunakan fungsi text().

X diisi dengan variable barplot kita, Y dan label diisi dengan nilai dari table, pos diisi

angka 1-4 (Bawah,Kiri,Atas,Kanan), cex adalah besarnya text, col adalah warna text.

Dalam kasus ini pos kita isi dengan angka 3 supaya berada di atas dan ukuran text

adalah 2.

Untuk membuat piechart, kita dapat menggunakan fungsi pie().

Machine Learning 27


Pengenalan Data Kuantitatif

Di dalam data kuantitatif, tidak ada pengelompokkan dalam nilai data. Berbeda

dengan kualitatif.

Data yang digunakan dalam bagian ini dapat diunduh di : http://tinyurl.com/ebook-r-

phi

Nama file : phi_gempa.csv

File terdiri dari 2 kolum : ukuran gempa (dalam skala richter) dan lama gempa (dalam

second).

Anda harus meletakkan file csv tersebut di working directory, sama seperti cara

mengambil data dari bagian sebelumnya.

Gunakan read.csv() untuk mengambil data ke R.



Machine Learning 28


Masukkan data tersebut ke sebuah variable bernama gempa.

Sekarang yang akan kita pelajari adalah bagaimana cara membuat plot dari data

kuantitatif. Fungsi plot() akan digunakan.

Machine Learning 29


Secara kasat mata sangat susah melihat apa yang digambarkan. Tetapi jika kita

menambahkan opsi type = “l” di dalam plot(). Anda dapat melihat gerak plotnya.

Machine Learning 30


Secara sekilas grafiknya hampir mirip, tetapi berbeda nilai di sumbu Y. Sumbu X dibaca

sebagai index.

Sekarang kita ingin melihat scatter plot dari kedua nilai di atas dan melihat korelasinya.

Dapat dilihat bahwa plot ini menunjukkan korelasi ukuran gempa dan lama gempa

sangat kuat. Hampir tidak ada nilai yang menjauhi garis normal.

Machine Learning 31


Untuk memeriksa nilai korelasi kedua variable, kita dapat menggunakan fungsi cor().

Nilai yang dihasilkan sangat tinggi sehingga dapat disimpulkan bahwa hubungan dua

variable sangat kuat.

Semakin tinggi ukuran gempa, semakin lama gempa itu bertahan.

Machine Learning 32



Operasi Statistik Dasar

Menggunakan R dan

Pemograman R


Machine Learning 33


Operasi Statistik

Operasi statistik dasar seperti mean dan standar deviasi kini sudah dapat dihitung di

calculator. Tetapi jika untuk data yang skala besar, R dapat memudahkan kita untuk

melakukan operasi ini.

Untuk melakukan percobaan dengan operasi statistik kita menggunakan data

phi_gempa.csv yang telah digunakan pada Bab sebelumnya.

Setelah kita memasukkan file csv tersebut ke satu variable bernama gempa, kita akan

menghitung Mean, Median, Quartile, Percentile, Range, Variance, Standar Deviation,

Covariance, Correlation, Skewness dengan fungsi yang sudah ada pada package

pada R.

Fungsi mean() untuk gempa$lamagempa.

Fungsi median()

Fungsi quantile()

Untuk percentile, kita menggunakan fungsi yang sama seperti quartile, tapi dengan

menambahkan opsi vector berapa saja persentase yang ingin dikeluarkan.

Dalam kasus ini vector ada 3 di 0.31, 0.48, dan 0.89.

Machine Learning 34


Untuk mencari range dalam statistik dengan mencarinilai terbesar dikurangi dengan

nilai terkecil. Sehingga kita dapat menggunakan fungsi max() dan min().

Untuk mencari Variance dalam R, kita menggunakan fungsi var().

Untuk mencari standar deviasi dalam R, kita menggunakan fungsi sd().

Untuk mencari persebaran dari sebuah data, kita bisa menggunakan density().

Machine Learning 35


Dan ketika di plot hasilnya seperti ini.

Dasar Pemrograman R

Pemrograman dalam R meliputi Input Output, Kondisi If, Loop, dan Fungsi. Tapi dalam

kesempatan kali ini kita hanya akan membahas sampai Loop saja.

Untuk operasi input kita menggunakan command readline().

Untuk operasi output kita menggunakan command print().

Machine Learning 36


Buatlah Script baru, save dengan nama latihan1.

Sekarang Anda coba untuk membuat input dan output dalam R.

Lakukanlah seperti pada gambar di bawah.

Jika sudah, klik tombol Source. Script yang anda buat sekarang berjalan di console.

Masukkan nama Anda, lalu klik Enter.

Sekarang program akan menuliskan sesuai yang sudah kita buat di script.

Untuk If, Then, Else, syntax pemrograman di R mirip dengan bahasa pemrograman lain.

Tetapi dalam pemograman R tidak memerlukan tanda semicolon “;” untuk mengakhiri

statement.Buatlah Script baru dengan nama ifelse.

Machine Learning 37


Coba salin seperti tampilan di bawah di script tersebut.

Jika sudah, klik tombol Source untuk menjalankan program.

Program ini akan meminta input dari user dan dimasukkan ke variable A. Semua tipe

data yang dibaca oleh readline adalah character, sehingga harus diganti menjadi

integer dengan function as.integer().

Syntax if then else di R adalah if(“condition”){ } else{ }.

Program diatas akan mengecek apakah angka lebih besar dari 5 atau lebih kecil dari

5. Jika lebih kecil dari 5 program akan mengeluarkan output “nilai a lebih kecil dari 5”,

jika lebih besar outputnya adalah “nilai a lebih besar dari 5”.

Setelah program dijalankan tampilannya seperti ini.

Jika dimasukkan 4, hasilnya seperti ini.

Jika dimasukkan 6, hasilnya seperti ini.

Machine Learning 38


Untuk perulangan, di dalam R ada for() dan while(). Berikut contoh script untuk for dan

while.

Hasilnya ketika tombol Source diklik adalah :

Dalam penggunaan while di R, suatu perulangan akan terus dilakukan sampai

memenuhi suatu kondisi. Dalam kasus ini perulangan akan terus dilakukan selama nilai

ctr dibawah 7. Yang dilakukan dalam perulangan adalah mencetak “nilai ctr sekarang

‘ctr’ “.

Machine Learning 39


Hasilnya ketika tombol Source dipencet adalah :

Penggunaan for dalam R sedikit unik, dimana kita harus memberikan nilai awal dan

akhir langsung dalam kondisi perulangannya. i in 1:10 artinya selama nilai i dimulai dari

1 dan sampai nilai i bernilai 10. Yang dilakukan dalam perulangan ini adalah mencetak

nilai i.

Sekarang cobalah membuat perulangan untuk mengeluarkan nilai genap dari 1

sampai 20.

Ini adalah cara pertama menggunakan for.

Ini adalah cara kedua menggunakan while.

Machine Learning 40


Find More About PHI-Integration at our Youtube Account:

https://www.youtube.com/user/phiintegration

Machine Learning 41



Subset Data dan Membuat

Data


Machine Learning 42


Subset Data

Subset data seringkali digunakan untung melakukan sampling terhadap sebuah

kumpulan data. Subset ini sangat berguna jika kita mempunyai data yang sangat

banyak.

Sekarang kita menggunakan datatest yang diisi data dari 1 sampai 10

Sekarang misalkan kita ingin memilih angka 1-5 untuk dimasukkan ke variable baru.

Select berisi angka 1-5 dan nantinya akan menjadi acuan untuk subset data. Untuk

mengambil data yang hanya sesuai dengan select, command nya adalah seperti

berikut.

Setelah kita melakukan command newdata <- datatest[select] di console. Yang terjadi

adalah newdata akan diisi data dari datatest yang hanya sesuai dengan select.

Dimana data yang ada di select adalah 1 sampai 5 saja.

Cara lain adalah dengan langsung menggunakan vector ke pemilihan data.

Kedua cara di atas adalah tipe include. Jika kita ingin exclude, gunakan – (minus) di

depan vector.

Dengan cara ini, kita meng exclude 6-10 dari datatest.

Machine Learning 43


Jika kita ingin memilih data tertentu, kita dapat menggunakan vector.

Untuk exclude data tertentu.

Sekarang kita coba menggunakan fungsi subset(). Import terlebih dahulu data

phi_gempa.csv untuk kita gunakan.

Lakukan seperti ini, di dalam fungsi subset, kita dapat memberikan kondisi data apa

saja yang dapat dipilih. Dari data gempa yang jumlahnya 20 disubset menjadi yang

lama gempanya diatas 6 detik.

Untuk kondisi yang lebih dari satu kita dapat menggunakan “ | “ untuk OR dan “ & “

untuk AND.

Sekarang untuk mengambil sample acak, kita dapat menggunakan fungsi sample().

Machine Learning 44


Nrow() adalah jumlah baris yang dimasukkan.

Perintah di atas mengambil sample dari seluruh data gempa dan yang diambil

jumlahnya adalah

Membuat Data

Membuat data adalah salah satu keunggulan R dimana kita tidak perlu repot menulis

satu per satu.

Cara pertama adalah dengan menggunakan fungsi sample() seperti pada bagian

sebelumnya. Kita bisa memberikan kategori apa saja yang harus dibuat dan seberapa

besar kemungkinannya. Misalnya kita ingin membuat data untuk golongan darah,

dengan kemungkinan masing-masing A=38%, B=12%, o=38%, AB=12%.

Yang pertama adalah kita mendeklarasi apa saja kategori yang ingin dimunculkan

dengan vector c(“A”,”B”,”O”,”AB”). Selanjutnya berapa jumlah data kita size=60. Lalu

replace=TRUE untuk overwrite data jika sudah ada. Yang terakhir adalah probabilitas

masing-masing kategori.

Machine Learning 45


Setelah kita buat table, akan terlihat persebarannya.

Hasilnya akan selalu berubah-rubah karena untuk mengenerate data, kita

menggunakan RNG dan ada seed yang selalu berbeda. Kita akan coba dengan

set.seed(123). Fungsi set.seed() adalah untuk menghasilkan sesuatu yang random dan

berbeda setiap saat.

Hasilnya terlihat beda dari yang sebelumnya.

Selanjutnya untuk membuat data spesifik dengan ketentuan mean, standard deviation

tertentu kita dapat menggunakan fungsi rnorm().

Kita dapat mendeklarasikan berapa jumlah data yang diinginkan, mean, dan standard

deviation-nya.

Setelah itu, kita dapat cek dengan fungsi yang sudah pernah kita pelajari, mean() dan

sd().

Walaupun hasilnya tidak 100% tepat, tetapi bisa membuat data dengan ketepatan

yang cukup bagus.

Machine Learning 46


Thankyou

menyusun anggaran sederhana dengan solver · di dalam r, operasi matematika dalam kehidupan...

Documents